基于容积卡尔曼滤波的神经网络训练算法
针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷,提出一种基于容积卡尔曼滤波(CKF)的神经网络训练算法。在算法实现过程中,首先构建神经网络的状态空间模型;然后将网络连接权值作为系统的状态参量,并采用三阶Spherical-Radial准则生成的容积点实现神经网络中节点连接权值的训练。理论分析和仿真结果验证了所提出算法的可行性和有效性。
非线性滤波、容积卡尔曼滤波、神经网络、多层感知器
TP391(计算技术、计算机技术)
国家自然科学基金项目61300214;中国博士后科学基金项目2014M551999;河南省高校科技创新团队支持计划项目13IRTSTHN021;河南省博士后科学基金项目2013029;河南省高校青年骨干教师计划项目2013GGJS-026;河南大学优秀青年培育基金项目0000A40366
2016-03-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
355-360